AI-grafiekanalyse: wat het leest, wat niet, en hoe je het gebruikt

Sinds 2023 is „een screenshot van een grafiek naar een AI sturen en laten zeggen wat er nu komt“ een populaire werkwijze geworden. Wat zo'n model kan, is meer dan je denkt; wat het niet kan, is ook meer dan de marketing belooft.

Wat AI wel uit een grafiek haalt

• Structuurherkenning: trendlijnen, rangegrenzen, vorige toppen en bodems, duidelijke steun en weerstand
• Patroonannotatie: engulfings, hamers, dubbele toppen en bodems aanwijzen
• Consistentie: tientallen grafieken met dezelfde standaard verwerken, zonder vermoeidheid of iets over het hoofd te zien
• Uitleg: in woorden zetten waarom „dit niveau belangrijk is“, nuttig om te leren en om te evalueren

Wat het niet kan

Eén: het voorspelt niet. Een grafiek bevat geen informatie over de toekomst. Elke bewering dat je „uit de grafiek de prijs kunt voorspellen“ komt neer op patronen zoeken in historische data, en of die patronen buiten de steekproef standhouden, moet je apart verifiëren.

Twee: het kan geen causaliteit verwerken. Het ziet de vorm van prijzen, niet het „waarom“ — het rentepad, de taal van centrale banken, de positieopbouw. Juist daar komt de volatiliteit in forex vandaan.

Drie: het interpreteert graag te veel. Vraag je het „zoek patronen“, dan vindt het er altijd wel een paar, ook als er niets op de grafiek staat. Dat is een eigenschap van generatieve modellen: wordt er om een conclusie gevraagd, dan komt er een conclusie.

Een onderzoeksresultaat dat je moet kennen

Een studie uit 2025 in Humanities and Social Sciences Communications, een tijdschrift van Nature, testte hoe goed multimodale modellen de ontwikkeling van financiële grafieken kunnen voorspellen. De conclusie: het „voorspellend vermogen“ van die modellen wordt flink overschat, en het voordeel slinkt sterk zodra je de out-of-sample-tests streng controleert.

Dat betekent niet dat AI op een grafiek nutteloos is, maar wel dat de waarde in lezen en annoteren zit, niet in voorspellen. Die twee door elkaar halen is het begin van bijna elk verkeerd gebruik.

Drie typische vormen van verkeerd gebruik

Misbruik één: de conclusie van de AI als signaal nemen. „De AI zegt dat het omhoog gaat“ en „ik denk dat het omhoog gaat“ hebben dezelfde bewijskracht, en geen van beide vervangt een out-of-sample-validatie.

Misbruik twee: een screenshot in plaats van data. Een screenshot verliest de exacte prijzen, tijdstippen en volumes. Dezelfde vorm kan bij totaal verschillende volatiliteitsomstandigheden horen.

Misbruik drie: alleen „wat moet ik doen“ vragen, nooit „waarom“. Goed gebruik is de structuur laten uitleggen („waarom is dit niveau weerstand“), niet een richting laten geven („long of short, nu“).

Het juiste gebruik: AI doet de eerste ronde, jij de tweede

• AI annoteert: laat het de sleutelniveaus, patronen en trendstructuur opsommen
• Jij controleert: loop regel voor regel na of het binnen je eigen kader past (juiste timeframe, juiste locatie)
• Schrijf het in je plan: alleen wat je hebt goedgekeurd komt in je handelsplan, de ruwe output van de AI niet
• Leg het vast: noteer „wat de AI zei en wat er echt gebeurde“ en bouw zo je eigen afwijkingsdata op

Hoe je de vraag stelt: drie elementen bepalen de kwaliteit

Bij dezelfde grafiek maakt de formulering veel uit. Een goede vraag bevat meestal drie elementen:

Eén: noem timeframe en instrument. „Dit is EUR/USD op 4 uur“ werkt veel beter dan alleen een plaatje — anders raadt het model het af aan de assen, en zit het timeframe ernaast, dan loopt de hele analyse mis.

Twee: begrens het type taak. Zeg expliciet „beschrijf alleen de structuur: trendrichting, rangegrenzen, recente sleutelniveaus“ in plaats van „wat denk je dat er komt“. Hoe concreter de taak, hoe controleerbaarder de output.

Drie: vraag om onderbouwing. „Geef bij elke conclusie aan op welke candles je je baseert“ — dat verlaagt de kans op verzonnen antwoorden flink, omdat het model concrete plekken op de grafiek moet aanwijzen.

De slechtste vraag is omgekeerd „analyseer deze grafiek eens“. Zo'n open vraag levert een antwoord op dat compleet lijkt maar niet te verifiëren is.

Hoe je controleert of de annotaties kloppen

Oordeel niet op gevoel. Doe een eenvoudige vergelijking: pak 30 historische grafieken (al afgelopen), laat de AI sleutelniveaus en patronen annoteren, annoteer ze zelf met dezelfde criteria en noteer drie dingen:

• Van de niveaus die het aanwees: hoeveel ervan keur jij goed (precisie)
• Van de niveaus die jij goedkeurt: hoeveel heeft het gemist (recall)
• Van zijn patroonoordelen: hoeveel zijn overinterpretatie (percentage fout-positieven)

Na 30 grafieken heb je je eigen cijfers. Schommelt de precisie rond de 70% en komt het percentage fout-positieven boven de 30%, gebruik het dan alleen als „eerste grove annotatie“ en nooit direct in je beslissing.

De waarde van die oefening zit niet in het beoordelen van de AI, maar in jezelf dwingen je criteria op papier te zetten. Veel mensen ontdekken achteraf dat ze helemaal geen duidelijke definitie van een „sleutelniveau“ hadden.

Drie toepassingen die je meteen kunt gebruiken

Toepassing één: de tien minuten voor de sessie. Stuur de daggrafieken van drie instrumenten erin en laat „huidige trendrichting plus de twee sleutelniveaus boven en onder“ opsommen. Na je controle schrijf je ze in het plan van die dag; dat is sneller dan alles zelf opnieuw doorkijken.

Toepassing twee: je eigen screenshots evalueren. Stuur de screenshots van een week mee en vraag „wat hebben deze instappen gemeen“. De patronen die eruit komen zijn aanwijzingen, die je daarna met je data toetst.

Toepassing drie: een nieuw patroon leren. Laat het op één grafiek alle mogelijke engulfings aanwijzen en uitleggen waarom: dat lijkt meer op een echte grafiek dan de voorbeeldplaatjes uit een boek.

Wat deze drie gemeen hebben: de AI ziet, jij oordeelt. Zodra je hem laat doorschuiven naar de oordeelslaag, verandert zijn waarde in ruis.

Veelgestelde vragen

Kan AI het evalueren vervangen? Het kan de stap „grafiek annoteren“ vervangen, niet de stap „beoordelen wat juist was“. De kern van evalueren is je eigen uitvoeringsafwijking vinden, en daarvoor heb je je eigen regels als ijkpunt nodig.

Kan ik meerdere timeframes met AI analyseren? Ja, maar één per keer, apart laten annoteren en daarna zelf samenvoegen. Met meerdere plaatjes tegelijk haalt het model de timeframes makkelijk door elkaar.

Op welke instrumenten is het nauwkeuriger? Op instrumenten met veel liquiditeit en een heldere structuur (EUR/USD, USD/JPY, goud) is de annotatie meestal beter; cross-paren en kleine valuta's zijn ruisiger.

Charti op deze site is precies die stap „lezen en annoteren“ als product: je geeft een grafiek, het haalt de structuur, sleutelniveaus en patronen eruit, en het oordeel blijft bij jou.